Nvidia 推出 Earth-2 雲平臺：用生成式 AI 預測極端天氣，提速千倍

以前想預測幾天後的颱風走勢，氣象機構通常得讓昂貴的超級計算機通宵跑複雜的流體力學方程。現在，黃仁勳想把這套流程變成幾秒鐘的事。

在 GTC 2024 上，Nvidia 正式推出了 Earth-2 氣候數字孿生雲平臺。這個專案最早在 2021 年就提出來了，直到現在才真正作為雲服務端出來。

按照黃仁勳的說法，極端乾旱、災難性颶風這類氣候災難已經成了新常態，每年光是極端天氣造成的全球經濟損失就高達 1400 億美元。

把天氣預報從「小時級」縮到「秒級」

傳統的氣象預報靠的是數值模型，說白了就是把地球大氣切成無數個網格，用超級計算機拼命解物理方程。這種方法不僅算得慢，而且網格一旦切得太粗，區域性的極端天氣根本抓不住。

Nvidia 模擬副總裁 Rev Lebaredian 提到，要想真正預測有用的災害細節，模擬精度必須精確到公里級。但傳統方法要把解析度拉到這個級別，需要的算力直接翻了一百萬倍，絕大多數機構根本吃不消。

Earth-2 的解法是讓生成式 AI 上場。它依託 CUDA-X 微服務和 DGX Cloud，內建了名為 CorrDiff 的生成式擴散模型，以及 FourCastNet、GraphCast 等前沿 AI 氣象模型。

官方資料顯示，CorrDiff 生成高解析度模擬的速度比傳統數值模型快了 1000 倍，能效提升了 3000 倍。以往 CPU 叢集需要跑幾十分鐘甚至幾小時的區域性天氣推演，現在 Earth-2 的 API 幾秒鐘就能生成出來，解析度能達到兩公里級別。

除了算得快，它還連上了 Omniverse 平臺。機構不僅能拿到天氣資料，還能直接把現實氣象資料丟進 3D 數字孿生環境裡，視覺化查看臺風或湍流對城市的影響。

目前臺灣氣象署已經用上了 CorrDiff 模型來改進颱風路徑預測，希望提早爭取撤離時間。商業天氣預報公司 The Weather Company、Spire、Meteomatics，以及做洪水分析的初創團隊 ClimaSens 和搞自主水下機器人的 north.io，也都在接入這套 API。

為什麼重要

我們認為，Earth-2 的最大價值不是顛覆氣象科研，而是把原本只有少數國家級超算中心才玩得起的「公里級精細預報」，變成了一套誰都能呼叫的商業雲服務。

對企業和開發者來說，如果你的業務高度依賴天氣，比如跨國航海運輸、離岸風電運維或者農業保險，現在花少量的 API 費用就能跑出以往不可想像的高精度微氣候模擬。像初創公司 Tomorrow.io 用它最佳化衛星軌道配置，ClimaSens 用它評估河流泛濫機率，試錯門檻被大幅拉低了。

對行業而言，這是 Nvidia 算力版圖擴張的絕佳切口。黃仁勳很聰明地避開了「用 AI 取代物理學」的口水戰，而是把物理模型（如 ICON、IFS）和 AI 模型（如 CorrDiff）打包在一起，底座全部繫結在自家的 GPU、DGX Cloud 和 Omniverse 生態上。各國的氣象局和防災部門不管怎麼算，最後都在給輝達貢獻算力營收。

不過隱患也在這裡。生成式 AI 固然極快，但在面對百年一遇、歷史上從未記錄過的極端突變時，AI 模型到底會不會「腦補」出錯誤的災情判斷，業內依然心存疑慮。就目前而言，它更適合充當傳統數值預報的加速放大器，真要全面取代核心防災決策，各家機構顯然還需要很長時間的實戰驗證。